HunyuanImage-2.1

Новая версия генератора картинок от Tencent

— создаёт изображения в 2K с кинематографичной композицией

— понимает сложные промты длиной до 1000 токенов

— точно контролирует генерацию нескольких объектов в одном изображении

— сохраняет точные тексты и мельчайшие детали в изображениях

— использует двойной текстовый энкодер: общий и учитывающий характеристики персонажей, что помогает лучше понимать описания сцен и действий

— ускоряет вывод данных благодаря технологии Meanflow, сокращая количество шагов с 100 до 8

— улучшайзер промптов Hunyuan PromptEnhancer улучшает семантику генерируемых изображений.

Модель доступна в полной и дистиллированной версиях, каждая из которых занимает около 34 ГБ.

Готовьте 59 GB VRAM под одну картинку 2048x2048

Попробовать на офсайте
Демо на HF лежит без чувств
Гитхаб
HF

#text2image

Contrastive Flow Matching

Метод обучения диффузных генераторов, позволяющий сократить время обучения (до 9 раз) и количество шагов на инференсе (до 5 раз) и при этом повысить качество изображения

Метод поощряет модель генерировать несхожие потоки для различных входных условий.

Совместим с другими методами, например, с REPA и classifier-free guidance (CFG)

Ну ждем теперь чтобы переобучили заново Flux и Wan если все так радужно

[UPDATE] пишут что воплотить метод в коде можно двумя строчками

cfm_target = torch.roll(flow_target, shifts=1, dims=0)
cfm_loss = -((model_output - cfm_target) ** 2).mean() * λ

вместо официальных 60 строк

Гитхаб

#optimization

ToonOut: Fine-tuned Background Removal for Anime Characters

Удаление фона с изображений в аниме-стиле.
Создан на основе модели BiRefNet

Код - среда настроена на 2 x 4090, под другое железо вероятно придется что-то перенастроить
HF

#backgroundremoval #segmentation #image2mask #matting

Qwen3 ASR: Hear clearly, transcribe smartly

Распознавалка речи на базе Qwen3-Omni

— поддерживает 11 языков и множество акцентов, в том числе русский

— даёт персонализированные результаты при предоставлении контекста

— хорошо распознаёт певческий голос, некачественные и шумные записи

Демо на HF
Попробовать в чате

#ASR #speech2text #stt #russian

nunchaku-qwen-image-edit

Чуть позже обещанного, но все же
Ускоренный Qwen-Image-Edit от/для Nunchaku

HF
воркфлоу

#optimization #imageediting #workflow